ГИГАНТ - Компьютерные системы: новый закон об ИИ

Игорь Юрин, технический директор компании «ГИГАНТ - Компьютерные системы» рассказал о том, что российские производители в целом готовы к росту спроса на ИИ-инфраструктуру, описал три базовых архитектурных сценария для таких систем, а также объяснил, какие факторы ведут к неизбежному удорожанию проектов из-за локализации. 

Насколько российские производители серверов и вычислительных систем готовы к возможному росту спроса на инфраструктуру для обучения и эксплуатации ИИ-моделей?
 

Мы более 10 лет занимаемся разработкой, проектированием и поставкой суперкомпьютеров для различных задач, в том числе для инженерных, прогнозных и сложных вычислений, поэтому у нас накоплена значительная экспертиза в построении таких систем. Изначально решения создавались на базе западного оборудования и программного обеспечения, однако за последние три года мы освоили построение аналогичных систем на основе отечественного стека решений. Начиная с 2022 года на рынке начали появляться отечественные сертифицированные высокоплотные и многосокетные решения для организации высоконагруженных и высокопроизводительных систем и доверенных программно-аппаратных комплексов (дПАК). 

На технологическом уровне, прежде всего в аппаратной части, российские серверы уже позволяют создавать высоконагруженные вычислительные системы. К 2026 году мы видим активное развитие и расширение доступных линеек подобного оборудования, включенного в реестр Минпромторга, а также программных средств, включенных в реестр Минцифры России.

Наша компания в партнёрстве с разработчиками цифровых платформ искусственного интеллекта с конца 2025 ведет работу по формированию типовых требований и программно-аппаратных комплексов для безопасного применения нейросетевых и LLM-моделей, цифровых роботов и мультимодальных нейросетевых ассистентов в закрытом заказчика (onprem). На текущий момент уже согласованы требования к таким решениям для различных сценариев и категорий заказчиков, разработаны типовые конфигурации оборудования под разные задачи и бюджеты.

Сформировалось несколько базовых архитектурных сценариев. В простейшем случае речь идёт о небольших конфигурациях из одного-двух серверов, практически не предполагающих масштабирования и ориентированных на узкие задачи и компактные модели. Более сложный вариант — это масштабируемые кластерные решения с разделением на управляющие и вычислительные узлы, с применением единого хранилища данных (Data Lake),  дополненные инфраструктурным и прикладным программным обеспечением. Такие системы архитектурно готовы к масштабированию до десятков серверов, тысяч вычислительных ядер, десятков тысяч графических ядер, десятков терабайт оперативной памяти. 

Для масштабных проектов и задач, в том числе для предоставления vGPU и платформы ИИ в качестве облачных услуг (private cloud) разработаны архитектуры высокопроизводительных кластеров с многоуровневой и распределённой архитектурой, расширенным программным функционалом и рассчитанные на значительные вычислительные нагрузки. 

Дополнительно решения различаются по уровню защищённости: часть из них соответствует требованиям сертификации, информационной безопасности и работы в доверенных средах; тогда как другая часть ориентирована на коммерческое использование без жёстких регуляторных ограничений, где защита данных обеспечивается за счёт корпоративных инструментов автоматизированного маскирования (обезличивания) чувствительных данных и внутренних механизмов изоляции периметра кластера.

Можно ли ожидать существенного удорожания проектов по внедрению ИИ из-за требований локализации вычислительных мощностей и данных?

Да, удорожание неизбежно. У локализации есть два ключевых драйвера роста стоимости.

Первый - это особенности производства на отечественных площадках. Объёмы выпуска здесь существенно ниже: речь идёт о штучных или мелкосерийных заказах. Под небольшие партии (до 100–1000 единиц) производственные линии фактически настраиваются заново. В отличие от этого, зарубежные производители работают с тиражами и предзаказами в тысячи, десятки тысяч и миллионы единиц, за счёт чего себестоимость производства единицы оборудования ощутимо ниже, издержки распределяется на большой объём партии.

Второй драйвер - это обязательная сертификация оборудования. Для защищённых решений требуется прохождение проверок, специсследований и получение сертификатов. Процесс сертификации оборудования занимает от двух месяцев до полугода и сопровождается значительными издержками. При этом срок действия сертификатов ограничен (как правило, это около одного года). После истечения срока действия  процедуру необходимо проходить заново. Таким образом, сертификация российской продукции - это постоянный трудо- и ресурсоёмкий процесс, который еще происходит в условиях постоянно и активно обновляющихся требований регуляторов..

В совокупности эти факторы неизбежно приводят к ощутимому удорожанию компонентов, оборудования и, соответственно, высокотехнологичных проектов в целом.

Достаточно ли текущего предложения оборудования на российском рынке для масштабирования больших моделей, или бизнес столкнётся с ограничениями по производительности и срокам поставки?

С точки зрения наличия производственных мощностей, типовых технологических решений, человеческих, физических и интеллектуальных ресурсов внутри России, предложение более чем достаточное. В ряде случаев даже избыточное.

Однако ключевым ограничением остаётся компонентная база. Высокотехнологичные компоненты по-прежнему производятся за пределами России - в Тайване, Китае и западных странах.

Именно это формирует так называемое бутылочное горлышко. Также на ситуацию негативно влияют глобальная экономическая “турбулентность”, сложность и нестабильность логистики, потребность постоянной оптимизации и изменения цепочек поставок в условиях санкций и изменчивости валютных курсов. Всё это затрудняет ведение бизнеса, прогнозирование затрат и сроков реализации проектов.

Таким образом, основные риски связаны не с недостаточностью производственных или технологических ресурсов внутри страны. Основные риски связаны с зависимостью ИТ-отрасли от импортной компонентной базы (и нужно отметить, что это общемировая проблема, стоящая и перед глобальными производителями, такими как Apple и Samsung, NVidia, Dell, HP и др.); с общемировым высоким спросом и ростом цен на ИТ-компоненты в эпоху бума на ИИ и цифровизацию; сложностью цепочек поставок, для России кратно усиленной западными санкциями и ограничениями.